‏ حذف نویز ضربه‌ای از تصاویر دیجیتالی مبتنی بر تخمین توزیع مکانی نویزها

‌هدف از این پژوهش ارائه روشی جهت شناسایی و حذف نویزهای تک ضربه‌ای روشن و تیره می‌باشد. در این پژوهش جهت شناسایی نویزهای تک‌ضربه‌ای در تصویر نویزدار دو الگوریتم آشکارساز معرفی شده است. روش پیشنهادی در این پژوهش یک پروسه تکراری می‌باشد که هر تکرار شامل سه مرحله است. روش ارائه شده می‌تواند بر مبنای هر دو الگوریتم آشکارساز معرفی شده جهت شناسایی نویزهای ضربه‌ای کار کند. در این تحقیق جهت بررسی روش پیشنهادی نویزهای تک ضربه‌ای با سه نوع توزیع‌ متفاوت مدلسازی و به تصویر اصلی اضافه شده است و تصویر بازسازی شده با تصویر اصلی مورد مقایسه قرار گرفته است. جهت ارزیابی نویزهای شناسایی شده توسط الگوریتم‌های آشکارساز پیشنهادی و کیفیت تصاویر بازسازی شده به ترتیب از شاخص صحت کلی و شاخص نسبت اوج سیگنال به نویز استفاده شده است. نتایج ارزیابی‌ها نشان می‌دهند که روش پیشنهادی بر مبنای دو الگوریتم آشکارساز معرفی شده به مراتب بهتر از روش فیلترینگ دو عبوری میانه می‌باشد و نسبت به یکی از روش‌های معرفی شده قبلی یعنی فیلترینگ دو عبوری میانه توافقی نتایج بهتری ارائه داده است. کیفیت تصاویر بازسازی شده توسط روش پیشنهادی بیش‌تر از روش فیلترینگ دو عبوری میانه و دو عبوری میانه توافقی می‌باشد. این افزایش کیفیت بطور میانگین و به ترتیب معادل با افزایش 5/37 و 4/17 دسیبل در شاخص نسبت اوج سیگنال به نویز می‌باشد.

UniPolar impulse noise removing from digital images based on estimation of noises spatial distribution

This article introduces a method to detect and remove unipolar impulse noises from digital images. In this study, proposed method is a repetitive procedure which each repeat contain three steps. Also, proposed method can be based on two detection algorithms that are introduced to detect unipolar impulse noises. In this research, unipolar impulse noises with 3 different distribution types are modeled and added to original image to produce noised image. Then, image is reconstructed based on proposed method from produced noised image. Finally, reconstructed image is evaluated in comparison to original image. Detected noises by introduced algorithms are evaluated by Overall Accuracy index. Also, quality of the reconstructed image is evaluated by Peak Signal to Noise Ratio (PSNR) index. Evaluation results are shown that proposed method based on two detection algorithms is better than regular and adaptive twopass median filters. Quality of the reconstructed images by proposed method is high than results of regular and adaptive twopass median filters. The average enhancement in quality is equivalent with increasement 5.37 and 4.17 decibels in PSNR index respectively.